假如該結果真實有效，一旦直接投入使用，就意味著自己過去一兩年內的許多相關工作付之一炬，淪為無用功。
本能排斥也是人之常情。
“我說老闆，你別不是被忽悠了吧？他就單槍匹馬，一個人就搞出了比我們研究院的最新成果精準又快百來倍的技術？”
如果這個技術是真的，餘愷有點希望它是假的。但若真是假的，餘愷其實又很希望它是真的。
多麼矛盾的心理。
“老餘，你的視角和想法顯得實在狹隘了一些，雖然當天我們沒有交流具體的技術細節。但從他今年的兩個巨大突破來看，這件事情的真實性是沒有疑問的。”
李彥弘此時也覺得，自己可能處理這件事情的方式方法有些欠妥。直接越過了專門的技術人員，這讓他們可能會有些情緒
但當時確實也是比較突然，起初只是為了招攬人才，並沒有技術合作的計劃。
“我就是仔細閱讀過他的論文，才更覺得這件事情說不通。”餘愷當然不否認孟繁岐DreamNet和生成式對抗網路的成績。
這兩個成果目前已經有所定論了，業內普遍的反響和評價都非常之高。
餘愷推測，李彥弘拿回來的這個結果當中，便是採用了DreamNet技術的神經網路作為骨幹，因此才會在檢測的效能，準確度上有了這麼大的突破。
&nNet論文，他也有仔細閱讀。
&nNet將神經網路做得非常深，他採用了非常簡潔優雅的結構，處理掉了深層網路最佳化難的問題。”
餘愷對這個成果是非常驚歎和讚賞的。
“但與此同時，你的網路也會加深好幾倍乃至於十幾倍。在這種情況下，網路的引數和運算量當然會隨之成倍增長。
當然了，可以做一些處理和結構上的調整來平衡這個問題，但說到底，檢測的速度不變慢就很不錯了，怎麼可能還能加速百來倍呢？”
這其實也是普通人的思維誤區了，覺得一個人如果剛剛做出了一些非常重要的突破成果，那他是很難同時完成其他方面的巨大突破的。
在餘愷看來，孟繁岐在半年的時間內直接開拓了兩個大的領域，無監督式的生成，和真正意義上的“深度”學習時代。
他是不會有時間和精力同時對檢測演算法有非常深入的研究的。
&nNet的一版本手稿，這也誤導了餘愷的思路。
讓他誤以為孟繁岐的檢測演算法技術突破，主要是來自於對DreamNet的應用。
所以他認為自己很快就理解了效能突飛猛進的原因，可他讀完DreamNet論文之後，對這個結構的引數量稍加計算，卻怎麼也無法理解速度提升到底是哪兒來的。
“要麼這樣吧，我把他約過來，我們先做一個技術的交流。這樣其他相關的地方也好適配。”
李彥弘突然聯絡孟繁岐，一方面是為了打消下屬的疑慮，另一方面，他自己被說得其實也有點不確定了。